Nuovo sistema di controllo migliora precisione e stabilità nei veicoli elettrici a trazione indipendente
La corsa verso l’automazione completa dei veicoli ha raggiunto un punto cruciale: la capacità di affrontare situazioni di emergenza in modo sicuro ed efficace. Mentre le auto autonome si avventurano fuori dagli ambienti di test controllati per confrontarsi con la complessità del mondo reale, la loro affidabilità in scenari ad alto rischio, come un’improvvisa manovra di evitamento di un ostacolo, diventa il parametro decisivo. In questo contesto, un team di ricercatori della Tongji University di Shanghai ha presentato un’innovazione tecnologica di rilievo, un sistema di controllo gerarchico che promette di rivoluzionare la gestione della traiettoria e della stabilità nei veicoli elettrici con trazione indipendente su tutte e quattro le ruote (4WID-EV).
Guidato dal Dr. Shuping Chen, dal Prof. Zhiguo Zhao e da Kun Zhao della School of Automotive Studies della Tongji University, lo studio, pubblicato sulla prestigiosa rivista Journal of Tongji University (Natural Science), introduce una strategia sofisticata e multilivello. Il sistema non si limita a migliorare la precisione del percorso, ma integra in modo sinergico la stabilità del veicolo, garantendo prestazioni eccellenti anche nelle condizioni più estreme, come frenate di emergenza o brusche manovre su fondi scivolosi.
Il cuore pulsante di questo sistema è un’architettura di controllo a due livelli, un approccio che combina la previsione avanzata con un’allocazione intelligente delle forze. Al livello superiore, il controllore impiega una tecnica nota come Controllo Predittivo del Modello Lineare Variante nel Tempo (LTV MPC). Sebbene non sia una metodologia nuova, la sua implementazione in questo studio è rivoluzionaria. A differenza di molti sistemi che si basano su modelli di veicolo semplificati, il team della Tongji utilizza un modello di dinamica veicolare a 8 gradi di libertà (8-DOF) come base per le sue previsioni. Questo modello ad alta fedeltà considera non solo il movimento longitudinale e laterale, ma anche la dinamica dell’imbardata, del rollio e la rotazione individuale delle ruote, fornendo una rappresentazione molto più realistica del comportamento del veicolo durante manovre aggressive.
Il vero salto qualitativo del controllore superiore risiede nel modo in cui integra il controllo della velocità. Invece di trattare la velocità come un parametro fisso, il sistema incorpora un controllore PID per il mantenimento della velocità direttamente all’interno del framework di ottimizzazione del MPC. Ciò significa che, a ogni istante, l’algoritmo non solo prevede dove si troverà il veicolo nei prossimi secondi, ma anticipa anche come cambierà la sua velocità. Questa integrazione permette al controllore di generare un comando di coppia motrice totale che è perfettamente sincronizzato con gli obiettivi di stabilità laterale. Il risultato è un approccio olistico in cui l’accelerazione, la frenata e la sterzata non sono sistemi separati, ma componenti di un’unica strategia di movimento coordinata, portando a una risposta del veicolo più fluida, prevedibile e sicura.
L’uscita di questo controllore superiore è costituita da due comandi cruciali: l’angolo di sterzo desiderato per le ruote anteriori e un momento aggiuntivo di imbardata. Mentre l’angolo di sterzo guida la traiettoria, il momento aggiuntivo di imbardata è la chiave per la stabilità. In un veicolo convenzionale, questo momento è generato dalla dinamica del telaio durante una curva. In un 4WID-EV, il team della Tongji lo genera in modo attivo e preciso attraverso la differenza di coppia applicata alle ruote sinistra e destra. Questa capacità, unica nei veicoli a trazione indipendente, consente al controllore di stabilizzare il veicolo in modo proattivo, contrastando qualsiasi tendenza al sottosterzo o al sovrasterzo prima che si trasformi in un problema.
Questo è il punto in cui entra in gioco il livello inferiore del sistema. Qui, un algoritmo di Programmazione Quadratica (QP) prende i comandi del livello superiore — la coppia totale e il momento di imbardata — e risolve il complesso problema di come distribuire questa “forza generalizzata” tra le quattro ruote in modo ottimale. Il QP è uno strumento matematico potente che può trovare la soluzione migliore possibile rispettando simultaneamente molteplici vincoli fisici.
Il problema di ottimizzazione del QP è progettato con diversi obiettivi che riflettono le priorità di un veicolo autonomo moderno. Il primo è la minimizzazione dell’errore di inseguimento della coppia, garantendo che la coppia reale generata da ogni motore elettrico corrisponda il più fedelmente possibile al comando. Il secondo obiettivo è la minimizzazione dell’utilizzo del pneumatico, una misura che indica quanto vicino è ogni pneumatico al raggiungimento del suo limite di aderenza. Mantenendo basso questo utilizzo, il sistema conserva un margine di sicurezza, permettendo ai pneumatici di generare forze laterali aggiuntive se necessario, il che è vitale per la stabilità. Il terzo obiettivo è la minimizzazione della perdita di energia per slittamento longitudinale, che non solo migliora l’efficienza energetica, ma previene anche il bloccaggio delle ruote o lo slittamento eccessivo durante l’accelerazione, mantenendo così il controllo del veicolo.
L’algoritmo opera sotto vincoli rigorosi. Questi includono i limiti di coppia massima e minima di ogni motore elettrico, definiti dalle capacità hardware del gruppo propulsore. Più importante sono i vincoli di aderenza della strada, che garantiscono che la somma delle forze longitudinali e laterali su ogni pneumatico non superi l'”ellisse di aderenza”, un limite fisico imposto dalle condizioni della superficie stradale e dallo stato del pneumatico. Per modellare con precisione l’interazione complessa tra queste forze, i ricercatori hanno utilizzato un modello di pneumatico a spazzola in condizioni combinate di slittamento e deriva, una scelta che aggiunge un livello critico di realismo alla simulazione.
Per validare l’efficacia della loro strategia, il team della Tongji ha condotto una serie di simulazioni di alto livello utilizzando un modello di veicolo a 14 gradi di libertà (14-DOF) come “pianta” o rappresentazione del veicolo reale. Questo modello, più dettagliato di quello a 8-DOF utilizzato per le previsioni, include la dinamica della sospensione e fornisce una piattaforma di test estremamente realistica. Lo scenario di prova scelto è stata la manovra di doppio cambio di corsia, uno standard del settore per valutare la gestione di emergenza e la stabilità del veicolo.
I risultati della simulazione sono stati impressionanti. Il controllore è stato testato a velocità che variavano da 36 km/h a 90 km/h su una superficie ad alta aderenza (µ = 0,85). A tutte le velocità, il veicolo ha seguito la traiettoria desiderata con una precisione notevole. Sebbene, come previsto, l’errore di inseguimento sia aumentato leggermente con la velocità a causa delle maggiori forze dinamiche, lo scostamento laterale massimo non ha mai superato i 0,28 metri, un margine accettabile. Ciò che è più importante è che gli indicatori chiave di stabilità, la velocità di imbardata e l’angolo di deriva del baricentro, sono rimasti entro limiti di sicurezza per tutta la manovra. Il controllore ha utilizzato efficacemente il momento aggiuntivo di imbardata, creato dalla differenza di coppia tra le ruote sinistra e destra, per mantenere il veicolo stabile e sulla sua traiettoria.
La robustezza del sistema è stata messa alla prova in condizioni di bassa aderenza. Il team ha simulato il sistema a una velocità costante di 50 km/h su una superficie ad alta aderenza (µ = 0,8) e su una a bassa aderenza (µ = 0,3), che potrebbe rappresentare una strada bagnata o ghiacciata. Sulla superficie ad alta aderenza, il veicolo ha seguito la traiettoria con una precisione eccezionale. Sulla superficie a bassa aderenza, come previsto, le prestazioni di inseguimento sono state più impegnative, con un leggero aumento dell’errore laterale e un piccolo ritardo nella risposta. Tuttavia, lo scostamento laterale massimo è stato inferiore a 0,12 metri, e il veicolo ha mantenuto la stabilità senza alcun segno di perdita di controllo. Questo risultato è cruciale, poiché dimostra che il controllore può adattarsi a condizioni di guida variabili, una capacità essenziale per la sua implementazione nel mondo reale.
La prova più rivelatrice è stata un confronto diretto tra il nuovo controllore coordinato e un controllore più semplice focalizzato esclusivamente sull’inseguimento della traiettoria. In una simulazione a 72 km/h su una superficie a bassa aderenza (µ = 0,4), la differenza è stata drammatica. Il controllore coordinato ha ottenuto un errore di inseguimento laterale più piccolo e una risposta di velocità più rapida e precisa. Ciò che è più significativo è che l’angolo di deriva laterale e la velocità di imbardata del veicolo sono stati significativamente più piccoli e stabili quando era attivo il controllo coordinato. Questo dimostra che il momento aggiuntivo di imbardata non è solo un concetto teorico, ma uno strumento pratico che migliora attivamente sia la stabilità che la precisione dell’inseguimento. Il controllore ha ottenuto una traiettoria migliore proprio perché ha reso il veicolo più stabile, dimostrando che stabilità e precisione non sono obiettivi in conflitto, ma possono rafforzarsi a vicenda.
Le implicazioni di questa ricerca vanno oltre il mondo accademico. Per l’industria automobilistica, questo lavoro offre un piano chiaro per lo sviluppo di sistemi di controllo della stabilità di prossima generazione. Mentre i veicoli 4WID-EV diventano più comuni, specialmente nei segmenti ad alte prestazioni e nei veicoli autonomi, la capacità di sfruttare la coppia individuale di ogni ruota per la stabilità sarà un fattore differenziante chiave. La strategia di controllo della Tongji fornisce una soluzione pratica ed efficace per sbloccare questo potenziale.
Inoltre, l’integrazione di un modello di previsione ad alta fedeltà e di un framework di ottimizzazione multi-obiettivo stabilisce un nuovo standard nella progettazione dei sistemi di controllo. Va oltre l’approccio tradizionale, in cui sterzo, frenata e propulsione sono gestiti da sistemi separati, e si avvicina a un approccio olistico e integrato. Questo è essenziale per il futuro della guida autonoma, dove il veicolo deve agire come un unico agente intelligente, in grado di prendere decisioni complesse in tempo reale che bilancino più obiettivi, spesso competitivi.
La ricerca sottolinea anche l’importanza della fedeltà del modello. Utilizzando un modello a 8-DOF per la previsione e un modello a 14-DOF per la simulazione, il team ha garantito che la sua strategia di controllo fosse testata in condizioni realistiche. Questo rigore aumenta la fiducia nel fatto che l’algoritmo funzionerà bene quando sarà implementato su un veicolo reale, un passo cruciale nel processo di sviluppo.
Guardando al futuro, gli autori hanno identificato diverse vie promettenti per la ricerca. Una è l’integrazione della stabilità contro il ribaltamento nel framework di controllo. Sebbene il lavoro attuale si concentri sulla stabilità dell’imbardata, la dinamica del rollio del veicolo è altrettanto importante, specialmente durante manovre con elevata accelerazione laterale. Un sistema di controllo in grado di gestire simultaneamente imbardata e rollio fornirebbe un livello di sicurezza ancora maggiore. Un’altra area è lo sviluppo di metodi adattivi per regolare i fattori di peso nell’ottimizzazione del QP. Questi fattori determinano l’importanza relativa dell’inseguimento della coppia, dell’utilizzo del pneumatico e della perdita di energia. Un sistema adattivo in grado di aggiustare questi pesi in tempo reale in base alle condizioni di guida potrebbe ottimizzare ulteriormente le prestazioni.
In conclusione, il lavoro di Chen, Zhao e Zhao rappresenta un progresso significativo nel campo della dinamica e del controllo veicolare. La loro strategia di controllo gerarchica e predittiva per veicoli 4WID-EV chiude con successo il divario tra un inseguimento preciso della traiettoria e una stabilità robusta del veicolo. Attraverso simulazioni rigorose e un’architettura di controllo ben progettata, hanno dimostrato un sistema che funziona in modo affidabile su un’ampia gamma di velocità e condizioni stradali. Questa ricerca non solo contribuisce al corpo di conoscenza accademica, ma offre anche una soluzione pratica con il potenziale di rendere i futuri veicoli autonomi più sicuri e performanti.
Shuping Chen, Zhiguo Zhao, Kun Zhao, School of Automotive Studies, Tongji University, Journal of Tongji University (Natural Science), DOI:10.11908/j.issn.0253-374x.24713